TY - Jour A2 - Ramirez，Gustavo Au - Yao，Wei Au - Thomas，Stefanie Py - 2021 DA - 2021/05/31 Ti-Deep Lession-Bogce resoric Aronance成像图像特征分析脑胶瘤的病理分类SP - 6778009 VL- 2021 AB - 为了探讨MRI的施用价值在脑胶质瘤（BG）的诊断中，建立了深度学习的多模式特征融合模型，然后在BG分类中应用。选择了60名前往我们院进行治疗的BG患者被选为研究科。它们都接受了MRI扫描和增强的扫描，并将MRI结果与病理结果进行了比较。结果表明，算法的敏感性高于90％，诊断Ⅰ级胶质瘤的敏感性高达98.28％;特异性高于78％，诊断Ⅰ级胶质瘤的特异性高达95.85％;检测精度高于95％。肿瘤体的相对分数各向异性（RFA）值小于高级组和低级组中的腹腔水肿，差异是值得注意的 P. < 0.05 ;Peritumoral水肿的相对明显的扩散系数（Radc）值大于高级组和低级组中相同等级的肿瘤体的肿瘤体，差异是值得注意的 P. < 0.05 ;在高级组和低级组之间的肿瘤体的Radc值中发现了显着差异 P. < 0.05 在高档组和低级组之间的胶质瘤蠕动水肿的Radc值中 P. < 0.05 。总之，基于深度学习的MRI提高了诊断BG的敏感性，特异性和准确性，并且可以更准确地对BG病理学分类，为BG的临床治疗提供参考。SN - 1058-9244 UR - https://doi.org/10.1155/2021/6778009 Do - 10.1155 / 2021/6778009 JF - 科学编程PB - Hindawi Kw - ER -